公开(公告)号：CN116721065A

公开(公告)日：2023-09-08

申请号：CN202310603724.4

申请日：2023-05-25

Applicant: 东南大学

Inventor： 李煊鹏 ,  王志博 ,  王加宽 ,  黎梓威 ,  张为公

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088 ,  G06N3/0895

Abstract: 本发明公开了一种基于对比学习预训练的DDH超声影像分析方法，首先获取无标签DDH超声影像数据；构建神经网络的特征提取器G，使用无标签数据集，以对比学习的方式训练神经网络的特征提取器；再根据待检查的关键解剖结构对部分数据进行标注，形成有标签超声数据集；根据任务目标构建任务处理网络T，将任务处理网络T与训练后的特征提取器G组合，形成神经网络模型O；使用有标签超声数据集对神经网络模型O进行训练，实现DDH超声影像分析。本方法利用大量无标注数据对特征提取网络进行预训练，提高其特征提取能力，从而提高使用深度学习进行超声影像检查中下游任务的性能。

公开(公告)号：CN116681742A

公开(公告)日：2023-09-01

申请号：CN202310542777.X

申请日：2023-05-15

Applicant: 东南大学

Inventor： 李煊鹏 ,  黎梓威

IPC: G06T7/33 ,  G06V10/46 ,  G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的可见光与红外热成像图像配准方法，首先采集对应的原始红外热成像和可见光异源图像数据，处理图像数据形成无标签数据集；然后通过插入特征点提取网络基于自监督的方式对输入图像的特征点以及对应的描述子进行提取；再采用由粗到精的二阶段匹配方法得到一、二阶段的匹配点对，根据一二阶段匹配点对进行基于置信度的采样权重计算，根据采样权重进行次优变换模型估计并得到最优变换模型，完成图像配准任务，提高了在图神经网络下对于特征点提取的精度以及特征点匹配时的准确性，保证红外热成像与可见光异源图像配准的效果。